“ 智能體技術與復雜業務場景的結合是大模型應用的一個難點，怎么才能在技術和業務之間找到一個合適的連接點，是我們現在亟待解決的問題。”

最近在優化一個RAG系統，并且這兩天又接到一個新需求，一個大場景下有三個子場景；而基于傳統的RAG技術需要分三個場景來做，因此選擇使用智能體來解決這個問題。

而且還一個要優化的點就是，目前的RAG召回效果不太好，因此需要用智能體的方式做幾個從不同維度召回數據的工具；所以需要把這兩點結合起來。

剛開始拿到這個問題，沒什么具體的思路，就想著用智能體去做；但等到真正去做的時候才發現好像沒有那么簡單。

原因就在于兩個需求點是不同維度的問題，一個是業務問題，一個是技術問題；而且每個子場景都需要支持多維度的召回。所以，這種問題處理起來就比較復雜。

比如說，做一個支持多維度召回的智能體，然后再做幾個支持不同場景的智能體；這時多個智能體之間應該怎么協調，雖然理論上不同的智能體之間可以互相結合，但真正操作起來好像有點復雜。

所以今天在散步的時候突然想明白了這個問題；既然，多維度召回是通用的，而且每個子場景都需要；那么只需要把不同維度的召回策略做成工具，然后把這些工具配置到不同場景的智能體上就可以解決這個問題，而不需要把多維度召回單獨做成一個智能體。

也就是說減少一個智能體，就可以更好的解決這個問題。

使用智能體解決不同業務維度之間的協作問題

智能體作為一種大模型的應用方式，其本質是一種純粹的技術問題，而不涉及具體的應用領域；因此，在遇到業務問題時，怎么把智能體技術與業務領域相結合是我們需要思考的問題。

以上面的需求為例，面對不同維度的業務問題，我們怎么使用智能體去解決這些問題；如果為不同維度的問題創建單獨的智能體，雖然理論上來說可以解決任何問題，但從系統的復雜度來說這并不是一個很好的選擇。

所以，現在我們需要考慮的是，怎么在盡可能減少技術復雜度的情況下，去更好地解決業務需求；而不是只是為了簡單地完成任務。

從作者最近一段時間從事大模型應用開發的經驗來看，智能體技術雖然理論上不復雜，但由于復雜的業務場景，怎么更好的把技術領域與業務領域相結合才是大模型應用的難點；而不是單純的業務問題或技術問題。

面對大模型應用這種新興的技術領域，很多應用場景和技術都還處于探索之中，因此其在企業應用中也是步履維艱，特別是對于技術人員來說；很多時候都是技術歸技術，業務歸業務，而在沒有任何案例的情況下，把業務和技術結合起來就成了一個非常令人頭疼的問題。

而說到底，還是自己對大模型技術以及應用理解的不夠深刻；原因就在于技術是一門實踐性很強的東西，而不是一門純粹的技術理論。

實踐和理論相結合，才有可能做好技術，做好應用。

本文轉載自???AI探索時代??? 作者：DFires